CN107563974B - 图像去噪方法、装置、电子设备及存储介质 - Google Patents
图像去噪方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN107563974B CN107563974B CN201710698692.5A CN201710698692A CN107563974B CN 107563974 B CN107563974 B CN 107563974B CN 201710698692 A CN201710698692 A CN 201710698692A CN 107563974 B CN107563974 B CN 107563974B
- Authority
- CN
- China
- Prior art keywords
- image
- denoised
- block
- noise
- noise sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种图像去噪方法。所述方法包括:获取目标图像;将所述目标图像分割成多个图像块;提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据;对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;对所述待去噪图像进行去噪,得到去噪后的图像;根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。本发明还提供一种图像去噪装置及电子设备。本发明实现了类分布式运算,而且只对图像中的噪声图像块进行处理,极大了提高了去噪处理速度。
Description
技术领域
本发明涉及图像处理的技术领域,尤其涉及一种图像去噪方法、装置、电子设备及存储介质。
背景技术
图像中的噪声严重影响了图像处理,如图像分割,编码,特征提取和目标检测等。针对图像去噪,现有的算法主要有以下问题:均值滤波,主要的缺点在降低噪声的同时使图像产生模糊特别在边缘处和细节处,领域越大,模糊越厉害;中值滤波可以克服线性滤波器所带来的图像细节模糊,但对一些细节多的图像不宜采用中值滤波的方法;理想低通滤波器在处理过程中容易产生较严重的模糊和振铃现象;基于空域的滤波器都是通过对图像像素的灰度值进行运算,虽然能达到平滑图像的效果,在平滑图像的同时也会使图像轮廓变得模糊;基于频域的处理方法主要是用滤波器,把有用的信号和干扰信号分开,不过在实际情况中,有用信号和干扰信号的频谱往往是重叠的,很难平衡噪声平滑效果和图像轮廓。
贝叶斯软阈值去噪方法,该方法将图像分为低通系数和高通,并主要在高通部分做去噪工作,相比起均值滤波以及中值滤波,有更好的去噪效果,但是在高清的图片上做去噪的效率则会很慢。
现有技术的无法快速的针对高清图像实现去噪。主要有两个原因:首先,针对图像的处理是一个多级的处理结构,单纯使用贝叶斯软阈值去噪方法处理需要先对图像进行小波分解,分解完之后再进行阈值去噪,这样在整张高清图像处理上是比较的慢的。而使用均值滤波或中值滤波又容易使得图像在细节处变模糊,从而达不到想要的去噪效果。
发明内容
鉴于以上内容,有必要提供一种图像去噪方法、装置、电子设备及存储介质,能实现了类分布式运算,而且只对图像中的噪声图像块进行处理,极大了提高了去噪处理速度。
一种图像去噪方法,所述方法包括:
获取目标图像;
将所述目标图像分割成多个图像块;
提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据;
对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;
对所述待去噪图像进行去噪,得到去噪后的图像;
根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。
根据本发明优选实施例,所述多个图像块的形状包括一个几何形状或者多个几何形状的组合。
根据本发明优选实施例,所述将所述目标图像分割成多个图像块包括:
利用九宫格划分法,将所述目标图像分割成多个图像块。
根据本发明优选实施例,在所述提取所述多个图像块中每个图像块的噪声子图像中,提取所述多个图像块中任意一个图像块的噪声子图像,并记录所述任意一个图像块的噪声子图像的位置数据包括:
获取所述任意一个图像块中像素点的灰度值;
根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像;
将所述任意一个图像块的最高灰度区域图像及最低灰度区域图像确定为所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的最高灰度区域图像的位置数据及最低灰度区域图像的位置数据。
根据本发明优选实施例,所述根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像包括:
根据所述任意一个图像块中像素点的灰度值,确定灰度值为最高灰度值的第一像素点及灰度值为最低灰度值的第二像素点;
基于所述第一像素点,搜索所述第一像素点的邻近像素点,并确定最高灰度区域图像;
基于所述第二像素点,搜索所述第二像素点的邻近像素点,并确定最低灰度区域图像。
根据本发明优选实施例,所述对所述待去噪图像进行去噪,得到去噪后的图像包括:
配置小波基及配置小波分解层数;
基于配置的小波基及配置的小波分解层数,对所述待去噪图像进行小波分解,得到低频图像信号及高频图像信号;
利用贝叶斯软阈值技术,对所述高频图像信号进行去噪,得到处理后的高频图像信号;
对低频图像信号和处理后的高频图像信号进行小波逆变换以重建图像,将重建的图像确定为去噪后的图像。
根据本发明优选实施例,所述根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像包括:
将所述去噪后的图像分解成多个去噪后的噪声子图像,并确定每个去噪后的噪声子图像对应的噪声子图像;
根据每个去噪后的噪声子图像对应的噪声子图像的位置数据,获取每个去噪后的噪声子图像的位置数据;
根据每个去噪后的噪声子图像的位置数据,将每个去噪后的噪声子图像与所述目标图像进行拼接合成,得到去噪后的目标图像。
一种图像去噪装置,所述装置包括:
获取单元,用于获取目标图像;
分割单元,用于将所述目标图像分割成多个图像块;
提取单元,用于提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据;
合成单元,用于对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;
去噪单元,用于对所述待去噪图像进行去噪,得到去噪后的图像;
所述合成单元还用于根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。
一种电子设备,所述电子设备包括存储器及处理器,所述存储器用于存储至少一个指令,所述处理器用于执行所述至少一个指令以实现任意实施例中所述图像去噪方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现图像去噪方法,所述图像去噪方法包括任意实施例中所述图像去噪方法。
由以上技术方案可以看出,本发明获取目标图像;将所述目标图像分割成多个图像块;提取所述多个图像块中每个图像块的噪声子图像;对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;对所述待去噪图像进行去噪,得到去噪后的图像;将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。本发明中的图像去噪处理实现了类分布式运算,而且只对图像中的噪声图像块进行处理,极大了提高了去噪处理速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明图像去噪方法的较佳实施例的流程图。
图2是本发明的一个实施例中九宫格划分法的示意图。
图3是本发明图像去噪装置的较佳实施例的功能模块图。
图4是本发明至少一个实例中电子设备的较佳实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,是本发明图像去噪方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S10,所述电子设备获取目标图像。
在本发明的实施例中,所述目标图像包括,但不限于:采集的视频图像中的帧图像、存储在所述电子设备的存储器中的图像、实时接收的外部设备发送的图像。所述外部设备包括,但不限于:终端设备、服务器等设备,例如与所述电子设备进行通信的手机、与所述电子设备进行通信的聊天服务器等等。
S11,所述电子设备将所述目标图像分割成多个图像块。
在本发明的实施例中,所述电子设备利用图像分割技术将所述目标图像分割成多个图像块。所述多个图像块的形状包括一个几何形状或者多个几何形状的组合。几何形状包括,但不限于:规则的几何形状,不规则的几何形状。
优选地,利用九宫格划分法,将所述目标图像分割成多个图像块。这样可以减少分割的运算量,提高分割效率。
具体地,所述利用九宫格划分法,将所述目标图像分割成多个图像块包括:
判断所述目标图像的形状是否是正方形;
当所述目标图像的形状是正方形时,直接利用九宫格划分法,将所述目标图像分割成多个图像块,即九个小正方形的图像块。
当所述目标图像的形状不是正方形时,以所述目标图像的最长边为边,构建一个正方形,所述正方形由所述目标图像及补白区域构成;再利用九宫格划分法,将所述目标图像分割成多个图像块,即九个小正方形的图像块,如图2 所示。其中,所述补白区域不用于后续的去噪处理。
S12,所述电子设备提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据。
在本发明的较佳实施例中,在所述提取所述多个图像块中每个图像块的噪声子图像中,对所述多个图像块中的任意一个图像块(例如随机选取的一个图像块为图像块A)而言,提取所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的噪声子图像的位置数据包括:
(a)获取所述任意一个图像块中像素点的灰度值。
(b)根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像。
(c)将所述任意一个图像块的最高灰度区域图像及最低灰度区域图像确定为所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的最高灰度区域图像的位置数据及所述任意一个图像块的最低灰度区域图像的位置数据。
其中,最高灰度区域图像的位置数据包括最高灰度区域图像对应的图像块,及在对应的图像块中的位置坐标等等。最低灰度区域图像的位置数据包括最低灰度区域图像对应的图像块,及在对应的图像块中的位置坐标等等。记录位置数据,便于后续将去噪后的噪声子图像拼接到对应的图像块中。
因此,对每个图像块,执行上述(a)、(b)、(c),可以得到每个图像块的噪声子图像。
当对所述任意一个图像块(如图像块A)的最高灰度区域图像及最低灰度区域图像去噪后,在所述任意一个图像块(如图像块A)中,根据所述任意一个图像块(如图像块A)的最高灰度区域图像的位置数据,用去噪后的最高灰度区域图像替换掉所述任意一个图像块(如图像块A)的最高灰度区域图像(即所述任意一个图像块中原始的最高灰度区域图像);根据所述任意一个图像块 (如图像块A)的最低灰度区域图像的位置数据,用去噪后的最低灰度区域图像替换掉所述任意一个图像块(如图像块A)的最低灰度区域图像(即所述任意一个图像块(如图像块A)中原始的最低灰度区域图像)。这样就无需对整个图像做去噪处理,只需要对图像块中的噪声子图像做处理,提高了图像去噪处理的速度和效率。
优选地,所述根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像包括:
(b1)根据所述任意一个图像块中像素点的灰度值,确定灰度值为最高灰度值的第一像素点及灰度值为最低灰度值的第二像素点。
(b2)基于所述第一像素点,搜索所述第一像素点的邻近像素点,并确定最高灰度区域图像。
优选地,基于所述第一像素点,搜索所述第一像素点的邻近像素点,选取预设尺寸的区块为所述最高灰度区域图像。所述预设尺寸可以是预先配置的,例如目标图像的尺寸的1/16大小。
(b3)基于所述第二像素点,搜索所述第二像素点的邻近像素点,并确定最低灰度区域图像。
优选地,基于所述第二像素点,搜索所述第二像素点的邻近像素点,选取预设尺寸的区块为所述最高灰度区域图像。所述预设尺寸可以是预先配置的,例如目标图像的尺寸的1/16大小。
S13,所述电子设备对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像。
在本发明的实施例中,利用图像合成技术对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像。所述图像合成技术为现有技术,本发明不再详述。
例如,有3个图像块,从每个图像块中提取了2个噪声子图像。因此,对这3个图像块而言,就有6个噪声子图像。利用图像合成技术将这6个噪声子图像拼接成待去噪图像。后续再对所述待去噪图像进行去噪。这样将每个图像块的噪声子图像进行拼接合成后再去噪,相当于采用了类并行的运算思想,极大的提高了速度。
S14,所述电子设备对所述待去噪图像进行去噪,得到去噪后的图像。
在本发明的实例中,所述对所述待去噪图像进行去噪,得到去噪后的图像包括:
配置小波基及配置小波分解层数;
基于配置的小波基及配置的小波分解层数,对所述待去噪图像进行小波分解,得到低频图像信号及高频图像信号;
利用贝叶斯软阈值技术,对所述高频图像信号进行去噪,得到处理后的高频图像信号;
对低频图像信号和处理后的高频图像信号进行小波逆变换以重建图像,将重建的图像确定为去噪后的图像。
S15,所述电子设备根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。
在本发明的实施例中,由于所述去噪后的图像是所述对待去噪图像的去噪处理得到,所述待去噪图像是由每个图像块的噪声子图像拼接合成的。因此,为了得到去噪后的目标图像,需要将去噪后的噪声子图像还原到其对应的图像块中。
具体地,所述根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像包括:
(c1)将所述去噪后的图像分解成多个去噪后的噪声子图像,并确定每个去噪后的噪声子图像对应的噪声子图像。
(c2)根据每个去噪后的噪声子图像对应的噪声子图像的位置数据,确定每个去噪后的噪声子图像的位置数据。
(c3)根据每个去噪后的噪声子图像的位置数据,将每个去噪后的噪声子图像与所述目标图像进行拼接合成,得到去噪后的目标图像。
在本发明的实施例中,对所述目标图像中的每个图像块而言,利用图像合成技术,用每个图像块的噪声子图像对应的去噪后的噪声子图像替换每个图像块的噪声子图像,就可得到去噪后的目标图像。
其中,每个去噪后的噪声子图像的位置数据包括每个去噪后的噪声子图像对应的图像块,及在对应的图像块中的位置坐标等等。
例如,目标图像有三个图像块,从第一图像块中提取噪声子图像B1、从第二图像块中提取噪声子图像B2、从第三图像块中提取噪声子图像B3。则待去噪图像B由噪声子图像B1、噪声子图像B2、噪声子图像B3拼接合成。待去噪图像B经过去噪变成去噪后的图像BB,则需要将去噪后的图像BB分解成去噪后的噪声子图像BB1、去噪后的噪声子图像BB2、去噪后的噪声子图像BB3,其中去噪后的噪声子图像BB1表示对噪声子图像B1去噪后的图像,去噪后的噪声子图像BB2表示对噪声子图像B2去噪后的图像,去噪后的噪声子图像BB3 表示对噪声子图像B3去噪后的图像。再把第一图像块中的噪声子图像B1用去噪后的噪声子图像BB1代替、把第一图像块中的噪声子图像B2用去噪后的噪声子图像BB2代替、把第一图像块中的噪声子图像B3用去噪后的噪声子图像 BB3代替,即可得到去噪后的目标图像。
本发明获取目标图像;将所述目标图像分割成多个图像块;提取所述多个图像块中每个图像块的噪声子图像;对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;对所述待去噪图像进行去噪,得到去噪后的图像;将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。本发明中的图像去噪处理实现了类分布式运算,而且只对图像中的噪声图像块进行处理,极大了提高了去噪处理速度。
如图3所示,本发明图像去噪装置的较佳实施例的功能模块图。所述图像去噪装置10 包括获取单元100、分割单元101、提取单元102、合成单元 103及去噪单元104。本发明所称的单元是指一种能够被图像去噪装置10 的处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各单元的功能将在后续的实施例中详述。
所述获取单元100获取目标图像。
在本发明的实施例中,所述目标图像包括,但不限于:采集的视频图像中的帧图像、存储在所述电子设备的存储器中的图像、实时接收的外部设备发送的图像。所述外部设备包括,但不限于:终端设备、服务器等设备,例如与所述电子设备进行通信的手机、与所述电子设备进行通信的聊天服务器等等。
所述分割单元101将所述目标图像分割成多个图像块。
在本发明的实施例中,所述分割单元101利用图像分割技术将所述目标图像分割成多个图像块。所述多个图像块的形状包括一个几何形状或者多个几何形状的组合。几何形状包括,但不限于:规则的几何形状,不规则的几何形状。
优选地,所述分割单元101利用九宫格划分法,将所述目标图像分割成多个图像块。这样可以减少分割的运算量,提高分割效率。
具体地,所述分割单元101利用九宫格划分法,将所述目标图像分割成多个图像块包括:
判断所述目标图像的形状是否是正方形;
当所述目标图像的形状是正方形时,直接利用九宫格划分法,将所述目标图像分割成多个图像块,即九个小正方形的图像块。
当所述目标图像的形状不是正方形时,以所述目标图像的最长边为边,构建一个正方形,所述正方形由所述目标图像及补白区域构成;再利用九宫格划分法,将所述目标图像分割成多个图像块,即九个小正方形的图像块,如图2 所示。其中,所述补白区域不用于后续的去噪处理。
所述提取单元102提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据。
在本发明的较佳实施例中,在所述提取单元102提取所述多个图像块中每个图像块的噪声子图像中,对所述多个图像块中的任意一个图像块(例如随机选取的一个图像块为图像块A)而言,提取所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的噪声子图像的位置数据包括::
(a)获取所述任意一个图像块中像素点的灰度值。
(b)根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像。
(c)将所述任意一个图像块的最高灰度区域图像及所述任意一个图像块的最低灰度区域图像确定为所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的最高灰度区域图像的位置数据及所述任意一个图像块的最低灰度区域图像的位置数据。
其中,最高灰度区域图像的位置数据包括最高灰度区域图像对应的图像块,及在对应的图像块中的位置坐标等等。最低灰度区域图像的位置数据包括最低灰度区域图像对应的图像块,及在对应的图像块中的位置坐标等等。记录位置数据,便于后续将去噪后的噪声子图像拼接到对应的图像块中。
因此,对每个图像块,执行上述(a)、(b)、(c),可以得到每个图像块的噪声子图像。
当对所述任意一个图像块(如图像块A)的最高灰度区域图像及最低灰度区域图像去噪后,在所述任意一个图像块(如图像块A)中,根据所述任意一个图像块(如图像块A)的最高灰度区域图像的位置数据,用去噪后的最高灰度区域图像替换掉所述任意一个图像块(如图像块A)的最高灰度区域图像(即所述任意一个图像块中原始的最高灰度区域图像);根据所述任意一个图像块 (如图像块A)的最低灰度区域图像的位置数据,用去噪后的最低灰度区域图像替换掉所述任意一个图像块(如图像块A)的最低灰度区域图像(即所述任意一个图像块(如图像块A)中原始的最低灰度区域图像)。这样就无需对整个图像做去噪处理,只需要对图像块中的噪声的子图像做处理,提高了图像去噪处理的速度和效率。
优选地,所述提取单元102根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像包括:
(b1)根据所述任意一个图像块中像素点的灰度值,确定灰度值为最高灰度值的第一像素点及灰度值为最低灰度值的第二像素点。
(b2)基于所述第一像素点,搜索所述第一像素点的邻近像素点,并确定最高灰度区域图像。
优选地,基于所述第一像素点,搜索所述第一像素点的邻近像素点,选取预设尺寸的区块为所述最高灰度区域图像。所述预设尺寸可以是预先配置的,例如目标图像的尺寸的1/16大小。
(b3)基于所述第二像素点,搜索所述第二像素点的邻近像素点,并确定最低灰度区域图像。
优选地,基于所述第二像素点,搜索所述第二像素点的邻近像素点,选取预设尺寸的区块为所述最高灰度区域图像。所述预设尺寸可以是预先配置的,例如目标图像的尺寸的1/16大小。
所述合成单元103对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像。
在本发明的实施例中,所述合成单元103利用图像合成技术对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像。所述图像合成技术为现有技术,本发明不再详述。
例如,有3个图像块,从每个图像块中提取了2个噪声子图像。因此,对这3个图像块而言,就有6个噪声子图像。利用图像合成技术将这6个噪声子图像拼接成待去噪图像。
所述去噪单元104对所述待去噪图像进行去噪,得到去噪后的图像。
在本发明的实例中,所述去噪单元104对所述待去噪图像进行去噪,得到去噪后的图像包括:
配置小波基及配置小波分解层数;
基于配置的小波基及配置的小波分解层数,对所述待去噪图像进行小波分解,得到低频图像信号及高频图像信号;
利用贝叶斯软阈值技术,对所述高频图像信号进行去噪,得到处理后的高频图像信号;
对低频图像信号及处理后的高频图像信号进行小波逆变换以重建图像,将重建的图像确定为去噪后的图像。
所述合成单元103根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。
在本发明的实施例中,由于所述去噪后的图像是所述对待去噪图像的去噪处理得到,所述待去噪图像是由每个图像块的噪声子图像拼接合成的。因此,为了得到去噪后的目标图像,需要将去噪后的噪声子图像还原到其对应的图像块中。
具体地,所述合成单元103
根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像包括:
(c1)将所述去噪后的图像分解成多个去噪后的噪声子图像,并确定每个去噪后的噪声子图像对应的噪声子图像。
(c2)根据每个去噪后的噪声子图像对应的噪声子图像的位置数据,确定每个去噪后的噪声子图像的位置数据。
(c3)根据每个去噪后的噪声子图像的位置数据,将每个去噪后的噪声子图像与所述目标图像进行拼接合成,得到去噪后的目标图像。
在本发明的实施例中,对所述目标图像中的每个图像块而言,利用图像合成技术,用每个图像块的噪声子图像对应的去噪后的噪声子图像替换每个图像块的噪声子图像,就可得到去噪后的目标图像。
其中,每个去噪后的噪声子图像的位置数据包括每个去噪后的噪声子图像对应的图像块,及在对应的图像块中的位置坐标等等。
例如,目标图像有个图像块,从第一图像块中提取噪声子图像B1、从第二图像块中提取噪声子图像B2、从第三图像块中提取噪声子图像B3。则待去噪图像B由噪声子图像B1、噪声子图像B2、噪声子图像B3拼接合成。待去噪图像 B经过去噪变成去噪后的图像BB,则需要将去噪后的图像BB分解成去噪后的噪声子图像BB1、去噪后的噪声子图像BB2、去噪后的噪声子图像BB3,其中去噪后的噪声子图像BB1表示对噪声子图像B1去噪后的图像,去噪后的噪声子图像BB2表示对噪声子图像B2去噪后的图像,去噪后的噪声子图像BB3表示对噪声子图像B3去噪后的图像。再把第一图像块中的噪声子图像B1用去噪后的噪声子图像BB1代替、把第一图像块中的噪声子图像B2用去噪后的噪声子图像BB2代替、把第一图像块中的噪声子图像B3用去噪后的噪声子图像BB3 代替,即可得到去噪后的目标图像。
本发明获取目标图像;将所述目标图像分割成多个图像块;提取所述多个图像块中每个图像块的噪声子图像;对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;对所述待去噪图像进行去噪,得到去噪后的图像;将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像。本发明中的图像去噪处理实现了类分布式运算,而且只对图像中的噪声图像块进行处理,极大了提高了去噪处理速度。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等) 或处理器(processor)执行本发明每个实施例所述方法的部分步骤。
如图4所示,所述电子设备4包括至少一个发送装置31、至少一个存储器32、至少一个处理器33、至少一个接收装置34、至少一个显示器(图中未示出)以及至少一个通信总线。其中,所述通信总线用于实现这些组件之间的连接通信。
所述电子设备4是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路 (Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field- Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。所述电子设备4还可包括网络设备和/或用户设备。其中,所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。
所述电子设备4可以是,但不限于任何一种可与用户通过键盘、触摸板或声控设备等方式进行人机交互的电子产品,例如,平板电脑、智能手机、个人数字助理(PersonalDigital Assistant,PDA)、智能式穿戴式设备、摄像设备、监控设备等终端。
所述电子设备4所处的网络包括,但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
其中,所述接收装置34和所述发送装置31可以是有线发送端口,也可以为无线设备,例如包括天线装置,用于与其他设备进行数据通信。
所述存储器32用于存储程序代码。所述存储器32可以是集成电路中没有实物形式的具有存储功能的电路,如RAM(Random-Access Memory,随机存取存储器)、FIFO(First InFirst Out,)等。或者,所述存储器32也可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)、智能媒体卡 (smart media card)、安全数字卡(secure digitalcard)、快闪存储器卡(flash card)等储存设备等等。
所述处理器33可以包括一个或者多个微处理器、数字处理器。所述处理器33可调用存储器32中存储的程序代码以执行相关的功能。例如,图3中所述的各个单元是存储在所述存储器32中的程序代码,并由所述处理器33所执行,以实现一种图像去噪方法。所述处理器33又称中央处理器(CPU,Central Processing Unit),是一块超大规模的集成电路,是运算核心(Core)和控制核心(Control Unit)。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机指令,所述指令当被包括一个或多个处理器的电子设备执行时,使电子设备执行如上文方法实施例所述的图像去噪方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明每个实施例中的各功能模块可以集成在一个处理单元中,也可以是每个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种图像去噪方法,其特征在于,所述方法包括:
获取目标图像;
将所述目标图像分割成多个图像块,若所述目标图像的形状不是正方形,以所述目标图像的最长边为边,构建一个正方形,对所述正方形进行分割,所述正方形由所述目标图像及补白区域构成;
提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据;
对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;
对所述待去噪图像进行贝叶斯软阈值去噪,得到去噪后的图像;
根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像;
在所述提取所述多个图像块中每个图像块的噪声子图像中,提取所述多个图像块中任意一个图像块的噪声子图像,并记录所述任意一个图像块的噪声子图像的位置数据包括:
获取所述任意一个图像块中像素点的灰度值;
根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像;
将所述任意一个图像块的最高灰度区域图像及最低灰度区域图像确定为所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的最高灰度区域图像的位置数据及最低灰度区域图像的位置数据。
2.如权利要求1所述的图像去噪方法,其特征在于,所述多个图像块的形状包括一个几何形状或者多个几何形状的组合。
3.如权利要求1所述的图像去噪方法,其特征在于,所述将所述目标图像分割成多个图像块包括:
利用九宫格划分法,将所述目标图像分割成多个图像块。
4.如权利要求1所述的图像去噪方法,其特征在于,所述根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像包括:
根据所述任意一个图像块中像素点的灰度值,确定灰度值为最高灰度值的第一像素点及灰度值为最低灰度值的第二像素点;
基于所述第一像素点,搜索所述第一像素点的邻近像素点,并确定最高灰度区域图像;
基于所述第二像素点,搜索所述第二像素点的邻近像素点,并确定最低灰度区域图像。
5.如权利要求1至4中任一项所述的图像去噪方法,其特征在于,所述对所述待去噪图像进行贝叶斯软阈值去噪,得到去噪后的图像包括:
配置小波基及配置小波分解层数;
基于配置的小波基及配置的小波分解层数,对所述待去噪图像进行小波分解,得到低频图像信号及高频图像信号;
利用贝叶斯软阈值技术,对所述高频图像信号进行去噪,得到处理后的高频图像信号;
对低频图像信号和处理后的高频图像信号进行小波逆变换以重建图像,将重建的图像确定为去噪后的图像。
6.如权利要求1至4中任一项所述的图像去噪方法,其特征在于,所述根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像包括:
将所述去噪后的图像分解成多个去噪后的噪声子图像,并确定每个去噪后的噪声子图像对应的噪声子图像;
根据每个去噪后的噪声子图像对应的噪声子图像的位置数据,获取每个去噪后的噪声子图像的位置数据;
根据每个去噪后的噪声子图像的位置数据,将每个去噪后的噪声子图像与所述目标图像进行拼接合成,得到去噪后的目标图像。
7.一种图像去噪装置,其特征在于,所述装置包括:
获取单元,用于获取目标图像;
分割单元,用于将所述目标图像分割成多个图像块,若所述目标图像的形状不是正方形,以所述目标图像的最长边为边,构建一个正方形,对所述正方形进行分割,所述正方形由所述目标图像及补白区域构成;
提取单元,用于提取所述多个图像块中每个图像块的噪声子图像,并记录每个图像块的噪声子图像的位置数据;
合成单元,用于对所述多个图像块中每个图像块的噪声子图像进行拼接合成,得到所述目标图像的待去噪图像;
去噪单元,用于对所述待去噪图像进行贝叶斯软阈值去噪,得到去噪后的图像;
所述合成单元还用于根据每个图像块的噪声子图像的位置数据,将所述去噪后的图像与所述目标图像进行图像合成,得到去噪后的目标图像;
在所述提取单元提取所述多个图像块中每个图像块的噪声子图像中,提取所述多个图像块中任意一个图像块的噪声子图像,并记录所述任意一个图像块的噪声子图像的位置数据包括:
获取所述任意一个图像块中像素点的灰度值;
根据所述任意一个图像块中像素点的灰度值,确定所述任意一个图像块的最高灰度区域图像及最低灰度区域图像;
将所述任意一个图像块的最高灰度区域图像及最低灰度区域图像确定为所述任意一个图像块的噪声子图像,并记录所述任意一个图像块的最高灰度区域图像的位置数据及最低灰度区域图像的位置数据。
8.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器用于存储至少一个指令,所述处理器用于执行所述至少一个指令以实现权利要求1至6任意一项的图像去噪方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现图像去噪方法,所述图像去噪方法包括权利要求1至6任意一项的图像去噪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698692.5A CN107563974B (zh) | 2017-08-15 | 2017-08-15 | 图像去噪方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710698692.5A CN107563974B (zh) | 2017-08-15 | 2017-08-15 | 图像去噪方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107563974A CN107563974A (zh) | 2018-01-09 |
CN107563974B true CN107563974B (zh) | 2020-04-14 |
Family
ID=60974081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710698692.5A Active CN107563974B (zh) | 2017-08-15 | 2017-08-15 | 图像去噪方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107563974B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805840B (zh) * | 2018-06-11 | 2021-03-26 | Oppo(重庆)智能科技有限公司 | 图像去噪的方法、装置、终端及计算机可读存储介质 |
CN109886891B (zh) * | 2019-02-15 | 2022-01-11 | 北京市商汤科技开发有限公司 | 一种图像复原方法及装置、电子设备、存储介质 |
CN110010227B (zh) * | 2019-02-28 | 2022-03-29 | 视联动力信息技术股份有限公司 | 一种生成图片的方法、装置以及系统 |
CN111756954B (zh) * | 2020-07-14 | 2022-07-15 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN111815535B (zh) * | 2020-07-14 | 2023-11-10 | 抖音视界有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
CN113012068B (zh) * | 2021-03-16 | 2023-07-04 | 深圳壹账通智能科技有限公司 | 图像去噪方法、装置、电子设备及计算机可读存储介质 |
CN113643210A (zh) * | 2021-08-26 | 2021-11-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN114781464A (zh) * | 2022-06-20 | 2022-07-22 | 北京闪马智建科技有限公司 | 数据去噪方法及装置、存储介质、电子装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101129220B1 (ko) * | 2009-11-03 | 2012-03-26 | 중앙대학교 산학협력단 | 레인지 영상의 노이즈 제거장치 및 방법 |
CN102005033B (zh) * | 2010-11-16 | 2012-07-04 | 中国科学院遥感应用研究所 | 一种图像平滑抑制噪声方法 |
CN104504652A (zh) * | 2014-10-10 | 2015-04-08 | 中国人民解放军理工大学 | 一种快速有效保留边缘及方向特征的图像去噪方法 |
CN105654442B (zh) * | 2015-12-31 | 2019-01-15 | 大连理工大学 | 一种冲击噪声图像去噪方法 |
-
2017
- 2017-08-15 CN CN201710698692.5A patent/CN107563974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107563974A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107563974B (zh) | 图像去噪方法、装置、电子设备及存储介质 | |
CN111275626B (zh) | 一种基于模糊度的视频去模糊方法、装置及设备 | |
CN109840881B (zh) | 一种3d特效图像生成方法、装置及设备 | |
KR20230054432A (ko) | 인물 이미지 복원 방법, 장치, 전자 기기, 기억 매체 및 프로그램 제품 | |
JP2015225665A (ja) | 画像ノイズ除去方法及び画像ノイズ除去装置 | |
CN105046651B (zh) | 一种图像的超分辨率重构方法和装置 | |
CN111402170A (zh) | 图像增强方法、装置、终端及计算机可读存储介质 | |
CN107301662B (zh) | 深度图像的压缩恢复方法、装置、设备及存储介质 | |
CN110942071A (zh) | 一种基于车牌分类和lstm的车牌识别方法 | |
CN112150371B (zh) | 图像降噪方法、装置、设备及存储介质 | |
CN109636730B (zh) | 用于过滤深度图中的伪像素的方法 | |
CN111325667A (zh) | 图像处理方法及相关产品 | |
CN111353955A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
CN114140346A (zh) | 一种图像处理方法及装置 | |
CN111882565A (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN111145180A (zh) | 一种应用于可视化大屏的地图瓦片的处理方法和相关装置 | |
CN110880160B (zh) | 图片帧超分方法、装置、终端设备及计算机可读存储介质 | |
CN113570725A (zh) | 基于聚类的三维表面重建方法、装置、服务器及存储介质 | |
CN111489289A (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN114723796A (zh) | 一种三维点云生成方法、装置及电子设备 | |
CN115118991A (zh) | 基于深度学习的视频运动放大方法和系统 | |
CN112132871B (zh) | 一种基于特征光流信息的视觉特征点追踪方法、装置、存储介质及终端 | |
CN110706167B (zh) | 一种遥感图像待修复区域的精细补全处理方法及装置 | |
KR20230086996A (ko) | 노이즈 추가 프로세스를 수행하는 컴퓨터 프로그램 | |
KR20230086998A (ko) | 얼굴 세그먼트 영역에 노이즈를 부가하여 가상 인물 콘텐츠를 생성하는 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |